Python | Pandas Series.cumsum (), чтобы найти кумулятивную сумму серии
Pandas Series.cumsum() is used to find Cumulative sum of a series. In cumulative sum, the length of returned series is same as input and every element is equal to sum of all previous elements.
Syntax: Series.cumsum(axis=None, skipna=True)
Parameters:
axis: 0 or ‘index’ for row wise operation and 1 or ‘columns’ for column wise operation
skipna: Skips NaN addition for elements after the very next one if True.Result type: Series
Пример №1:
В этом примере серия создается из списка Python с использованием метода Pandas .Series (). Список также содержит значение Null, а параметр skipna остается по умолчанию, то есть True.
# importing pandas moduleimport pandas as pd # importing numpy moduleimport numpy as np # making list of valuesvalues = [3, 4, np.nan, 7, 2, 0] # making series from listseries = pd.Series(values) # calling methodcumsum = series.cumsum() # displaycumsum |
Выход:
3 7 NaN 14 16 16 dtype: float64
Объяснение
Кумулятивная сумма - это сумма текущего и всех предыдущих значений. Как показано в выходных данных выше, добавление было выполнено следующим образом
3 3 + 4 = 7 7 + NaN = NaN 7 + 7 = 14 14 + 2 = 16 16 + 0 = 16
Example #2: skipna=False
In this example, a series is created just like in the above example. But the skipna parameter is kept False. Hence NULL values won’t be ignored and it would be added every time after it’s occurrence.
# importing pandas moduleimport pandas as pd # importing numpy moduleimport numpy as np # making list of valuesvalues = [1, 20, 13, np.nan, 0, 1, 5, 23] # making series from listseries = pd.Series(values) # calling methodcumsum = series.cumsum(skipna = False) # displaycumsum |
Выход:
0 1.0 1 21,0 2 34,0 3 NaN 4 NaN 5 NaN 6 NaN 7 NaN dtype: float64
Объяснение: Как видно из вывода, все значения после первого появления NaN также являются NaN, поскольку любое число + NaN также является NaN.
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.